返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • [正版] 演化学习:理论与算法进展 西瓜书作者 国内机器学习 人工智能大牛周志华教授新著 演化学习算法机器学习深度学
  • 正版图书 品质保障
    • 作者: 周志华,俞扬,钱超著
    • 出版社: 人民邮电出版社
    • 出版时间:2021-07
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    友一个图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 周志华,俞扬,钱超著
    • 出版社:人民邮电出版社
    • 出版时间:2021-07
    • ISBN:9787604040869
    • 版权提供:人民邮电出版社

             店铺公告

      为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。

    温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),

    关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。

      本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!

    1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!

    2.店铺无纸质均开具电子,请联系客服开具电子版

     

    基本信息
    商品名称: 演化学习:理论与算法进展 博库网 开本:  
    作者: 周志华 俞扬 钱超 页数:  
    定价: 99.8 出版时间: 2021-06-01
    ISBN号: 9787115558039 印刷时间:  
    出版社: 人民邮电 版次: 1
    商品类型: 图书 印次: 1

     

     

     

    作者简介:

    周志华,南京大学计算机科学与技术系主任、人工智能学院院长、计算机软件新技术 重点实验室常务副主任、机器学习与数据挖掘研究所(LAMDA)所长。ACM/AAAS/AAAI/IEEE/IAPR/IET/CCF/CAAI会士,欧洲科学院外籍院士。中国计算机学会常务理事、中国人工智能学会副理事长。

     

    周志华教授主要从事人工智能、机器学习、数据挖掘等领域的研究工作。著有《机器学习》(西瓜书)等广受好评的著作,在本领域顶刊和顶会发表论文两百余篇,被引五万余次。现任AI Magazine顾问,Frontiers of Computer Science(FCS)、Artificial Intelligence等 外知名期刊主编、副主编、编委等;也担任IJCAI理事会成员(2018-2023),曾担任IJCAI顾问委员会委员、IJCAI 2021程序委员会 、AAAI 2019程序委员会 等会议职务。

     

     

    俞扬,南京大学计算机科学与技术系和LAMDA教授,博导,主要研究领域为人工智能、机器学习、强化学习。

     

    曾获2013年全国 博士学位论文奖。发表论文40余篇,包括多篇人工智能、机器学习和数据挖掘 期刊和 会议论文,受邀在IJCAI'18做Early Career Spotlight演讲、在IEEE ICA'17做主旨报告。入选2018年 AI's 10 to Watch,获2018 PAKDD Early Career Award,并任FCS、Artificial Intelligence等多个 期刊评审人和IJCAI、ICPR等会议领域 、程序委员。

     

     

    钱超,南京大学人工智能学院副教授、博导, 优青。目前主要关注演化算法理论分析、安全演化算法设计与演化学习。作为 作者在 期刊和会议上发表二十余篇论文。担任IEEE计算智能分会生物启发计算理论基础任务组 、IEEE演化计算技术委员会委员、中国人工智能学会青工委副秘书长、Memetic Computing编委、JCST和FCS青年副编。获ACM GECCO’11 理论论文奖、IDEAL’16 论文奖,博士论文获中国人工智能学会、江苏省和南京大学 博士论文奖。

     

    内容提要:
    适读人群 :机器学习、人工智能、进化计算方面的研究人员和算法设计人员,包括科研院所、高校、企业的研究和 开发人员,以及相关专业方向的研究生。

    机器学习知名学者周志华教授新作;

     

    中国高校知名人工智能研究团队20年攻关的新理论成果;

     

    给强大的演化算法找到“所以然”的理论支撑,指导机器学习优化问题的进一步发展;

     

    关键定理详细证明过程以附录形式给出,以供有余力的读者深挖。

     

     

     

     

    演化学习利用演化算法求解机器学习中的复杂优化问题, 在实践中取得了许多成功, 但因其缺少坚实的理论基础, 在很长时期内未获得机器学习社区的广泛接受. 本书主要内容为三位作者在这个方向上过去二十年中主要工作的总结.

     

    全书共18 章, 分为四个部分: 部分( ~2 章) 简要介绍演化学习和一些关于理论研究的预备知识; 第二部分(第3~6章) 介绍用于分析运行时间复杂度和逼近能力这两个演化学习的基本理论性质的通用工具; 第三部分(第7~12 章) 介绍演化学习关键因素对算法性能影响的一系列理论结果, 包括交叉算子、解的表示、非 适应度评估、种群的影响等; 第四部分( 3~18 章) 介绍一系列基于理论结果启发的具有一定理论保障的演化学习算法.

     

    本书适合对演化学习感兴趣的研究人员、学生和实践者阅读. 书中第二部分内容或可为有兴趣进一步探索演化学习理论基础的读者提供分析工具, 第三部分内容或有助于读者进一步理解演化学习过程并为新算法设计提供启发, 第四部分内容或可为读者解决一些现实机器学习问题提供新的算法方案.

     

     

    目录:

    序 i

     

    主要符号表 iii

     

    部分 绪论与预备知识 1

     

    第 1 章 绪论 3

     

    1.1 机器学习 3

     

    1.2 演化学习 4

     

    1.3 多目标优化 6

     

    1.4 本书组织 8

     

    第 2 章 预备知识 9

     

    2.1 演化算法 9

     

    2.2 伪布尔函数 12

     

    2.3 运行时间复杂度 15

     

    2.4 马尔可夫链建模 16

     

    2.5 分析工具 18

     

    第二部分 分析方法 23

     

    第 3 章 运行时间分析: 收敛分析法 25

     

    3.1 收敛分析框架 25

     

    3.2 收敛分析应用例释 29

     

    3.3 小结 33

     

    第 4 章 运行时间分析: 调换分析法 35

     

    4.1 调换分析框架 35

     

    4.2 调换分析应用例释 40

     

    4.3 小结 43

     

     

     

    第 5 章 运行时间分析方法的比较 45

     

    5.1 分析方法的形式化 45

     

    5.2 调换分析与适应层分析 47

     

    5.3 调换分析与漂移分析 50

     

    5.4 调换分析与收敛分析 55

     

    5.5 分析方法综论 58

     

    5.6 小结 59

     

    第 6 章 近似分析 61

     

    6.1 SEIP 框架 62

     

    6.2 SEIP 应用例释 67

     

    6.3 小结 70

     

    第三部分 理论透视 71

     

    第 7 章 边界问题 73

     

    7.1 边界问题辨识 74

     

    7.2 案例分析 76

     

    7.3 小结 80

     

    第 8 章 交叉算子 81

     

    8.1 交叉与变异 82

     

    8.2 采用交叉算子的多目标演化算法 83

     

    8.3 案例分析 86

     

    8.4 实验验证 92

     

    8.5 小结 94

     

    第 9 章 解的表示 95

     

    9.1 遗传编程之解表示 96

     

    9.2 案例分析: 匹配 98

     

    9.3 案例分析: 小生成树 103

     

    9.4 实验验证 109

     

    9.5 小结 111

     

     

     

    第 10 章 非 适应度评估 113

     

    10.1 带噪优化 114

     

    10.2 带噪适应度的影响 115

     

    10.3 抗噪: 阈值选择 119

     

    10.4 抗噪: 抽样 124

     

    10.5 实验验证 130

     

    10.6 小结 134

     

    第 11 章 种群 135

     

    11.1 种群的影响 136

     

    11.2 种群对噪声的鲁棒性 139

     

    11.3 小结 151

     

    第 12 章 约束优化 153

     

    12.1 不可行解的影响 154

     

    12.2 帕累托优化的效用 160

     

    12.3 小结 170

     

    第四部分 学习算法 171

     

    第 13 章 选择性集成 173

     

    13.1 选择性集成 173

     

    13.2 POSE 算法 175

     

    13.3 理论分析 177

     

    13.4 实验测试 182

     

    13.5 小结 188

     

    第 14 章 子集选择 189

     

    14.1 子集选择 190

     

    14.2 POSS 算法 194

     

    14.3 理论分析 195

     

    14.4 实验测试 199

     

    14.5 小结 203

     

     

     

    第 15 章 子集选择: 次模 化 205

     

    15.1 单调 次模函数 化 206

     

    15.2 PO SM 算法 210

     

    15.3 理论分析 212

     

    15.4 实验测试 216

     

    15.5 小结 223

     

    第 16 章 子集选择: 比率 小化 225

     

    16.1 单调次模函数的比率 小化 226

     

    16.2 PORM 算法 228

     

    16.3 理论分析 230

     

    16.4 实验测试 235

     

    16.5 小结 236

     

    第 17 章 子集选择: 噪声 237

     

    17.1 带噪子集选择 238

     

    17.2 PONSS 算法 244

     

    17.3 理论分析 245

     

    17.4 实验测试 248

     

    17.5 小结 250

     

    第 18 章 子集选择: 加速 251

     

    18.1 PPOSS 算法 251

     

    18.2 理论分析 253

     

    18.3 实验测试 256

     

    18.4 小结 258

     

    附录 A: 证明 259

     

    参考文献 299

     

     

    精 彩 页:
    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购